一种求解条件非线性最优扰动的快速算法及其在台风目标观测中的初步检验

条件非线性最优扰动(CNOP)是Mu等2003年提出的一个新的理论方法,它是线性奇异向量在非线性情形的推广,克服了线性奇异向量不能代表非线性系统最快发展扰动的缺陷,成为非线性系统可预报性和敏感性等研究新的有效工具。然而,由于以往CNOP的求解需要采用伴随技术,计算量相当巨大,限制了该方法的推广应用。为了克服这一困难,本文基于经验正交分解(EOF),提出了一种求解CNOP的快速算法,利用GRAPES区域业务预报模式实现了 CNOP快速计算,并在台风"麦莎"的目标观测研究中得到初步检验,通过观测系统模拟实验(OSSE)检验了该方法确定敏感性区域(瞄准区)的有效性和可行性。试验结果表明,用快速算法求解的CNOP,其净能量随时间快速地发展,而且发展呈非线性。在台风"麦莎"个例的目标观测试验中,用快速算法得到的预报时间为24 h的CNOP可以有效地识别瞄准区,并通过瞄准区内初值的改善,可明显减少目标区域(检验区)内24 h累计降水预报误差。尤其,累计降水预报的这种改进效果能够延伸到更长时间(如72 h),尽管检验时间是设在第24小时。进一步分析发现,24 h累计降水预报误差的减少是通过利用瞄准区内改善的初值改进初始时刻台风暖心结构、高空相对涡度以及水汽条件等而得以实现的。

基于条件非线性最优扰动的目标观测中瞄准区不同引导性变量的影响试验研究

基于GRAPES区域业务预报模式,采用一种快速算法计算出来的条件非线性最优扰动对实际台风个例麦莎(No.0509)开展了目标观测研究,应用数值模式,进行一系列的敏感性试验,讨论了与目标观测设计相关的一些问题,包括确定瞄准区时使用不同的引导性变量对目标观测效果的影响、及瞄准区范围变化对预报效果的影响。文中分别以提高麦莎在检验区(20.125°—35.3125°N,116.8125°—129.75°E)内的24 h海平面气压预报和24 h累积降水量预报为目的,基于条件非线性最优扰动使用了3种不同的引导性变量寻找敏感区(又称瞄准区),对这些敏感区的分布特点和有效性进行了比较和讨论。试验结果表明,在使用的3种引导性变量中,用不同的引导性变量识别的敏感区是有差别的,总体上说,文中使用的3种引导性变量识别的瞄准区对提高预报都是有效的,特别是第2和第3种的效果更好些,且两者识别的瞄准区常显示出类似的特点。文中进一步针对检验区内24 h累积降水量预报误差问题,将前面确定的瞄准区范围扩大相同的幅度,讨论瞄准区范围变化对改进预报的影响。试验结果表明,增加瞄准格点数,有可能使预报效果得到改善,但是试验结果同时也暗示了单纯靠扩大瞄准区的范围未必一定能减小预报误差,这与不同的引导性变量对瞄准区范围大小的敏感性不同有关。

一种基于历史样本投影的三维变分同化方法

对于中尺度数值天气预报来说,初始条件的准确与否已成为影响预报技巧的主要因素之一。现有的大气观测资料在时空分布上的不均匀,以及存在的观测误差,使得我们必须引进资料同化方法,为中尺度数值模式提供最优的初始场。由于传统的三维变分同化(3DVar)方法缺乏模式约束以及背景误差协方差矩阵(B矩阵)不具有流依赖性,因此本文提出一种基于历史样本投影的3DVar(HSP-3DVar)方法,它不仅具有流依赖的B矩阵,而且比传统的3DVar简单易行。为了评价HSP-3DVar的同化性能,我们基于区域暴雨预报模式AREM(Advanced Regional Eta Model)对其进行了观测系统模拟试验(OSSE),结果表明:HSP-3DVar能够有效融合观测信息,模式初值在各层的均方根误差都显著地降低。